不同時(shí)間尺度下虛擬微網(wǎng)優(yōu)化調(diào)度策略

黃 偉, 熊偉鵬, 閆彬禹, 劉立夫, 劉自發(fā)

(華北電力大學(xué)電氣與電子工程學(xué)院, 北京市 102206)

不同時(shí)間尺度下虛擬微網(wǎng)優(yōu)化調(diào)度策略

黃 偉, 熊偉鵬, 閆彬禹, 劉立夫, 劉自發(fā)

(華北電力大學(xué)電氣與電子工程學(xué)院, 北京市 102206)

隨著售電側(cè)的改革,提供新能源發(fā)電服務(wù)的第三方供應(yīng)商成為新的獨(dú)立利益主體。針對(duì)獨(dú)立利益主體以虛擬微網(wǎng)的形式接入主動(dòng)配電網(wǎng)后的調(diào)度問題,基于虛擬微網(wǎng)的概念,提出了虛擬微網(wǎng)在不同時(shí)間尺度下的優(yōu)化調(diào)度模型及其優(yōu)化算法。優(yōu)化調(diào)度模型包括日前調(diào)度和實(shí)時(shí)調(diào)度模型,日前調(diào)度以虛擬微網(wǎng)利益最大化為優(yōu)化目標(biāo),實(shí)時(shí)調(diào)度則以虛擬微網(wǎng)安全穩(wěn)定運(yùn)行為控制目標(biāo)。最后,基于改進(jìn)的IEEE 33節(jié)點(diǎn)網(wǎng)絡(luò)結(jié)構(gòu)以及負(fù)荷預(yù)測(cè)和分布式電源出力預(yù)測(cè),利用微分進(jìn)化—細(xì)胞膜混合算法求解虛擬微網(wǎng)優(yōu)化調(diào)度模型,算例結(jié)果表明通過優(yōu)化調(diào)度,減少了虛擬微網(wǎng)網(wǎng)損,顯著提高了虛擬微網(wǎng)的收益和新能源利用率。

虛擬微網(wǎng)(微電網(wǎng)); 主動(dòng)配電網(wǎng); 獨(dú)立利益主體; 優(yōu)化調(diào)度

0 引言

為適應(yīng)高滲透率、大規(guī)模分布式電源的接入,國(guó)內(nèi)外學(xué)者正積極開展主動(dòng)配電網(wǎng)(ADN)[1-3]相關(guān)研究。

國(guó)內(nèi)外學(xué)者針對(duì)主動(dòng)配電網(wǎng)的優(yōu)化調(diào)度問題從經(jīng)濟(jì)調(diào)度、能量?jī)?yōu)化、多場(chǎng)景多目標(biāo)等多個(gè)角度進(jìn)行了分析研究。文獻(xiàn)[4-5]針對(duì)主動(dòng)配電網(wǎng)的日前調(diào)度問題,建立了經(jīng)濟(jì)運(yùn)行目標(biāo)函數(shù)。文獻(xiàn)[6-7]構(gòu)建了分布式能源系統(tǒng)的日前和實(shí)時(shí)兩階段調(diào)度優(yōu)化模型,在日前調(diào)度中對(duì)分布式電源出力進(jìn)行優(yōu)化,實(shí)時(shí)調(diào)度中對(duì)可控分布式電源出力進(jìn)行修正以維持主動(dòng)配電網(wǎng)的安全穩(wěn)定運(yùn)行。文獻(xiàn)[8]基于多場(chǎng)景技術(shù)提出一種包含日前調(diào)度和實(shí)時(shí)調(diào)度的主動(dòng)配電系統(tǒng)兩步優(yōu)化調(diào)度模型,并利用改進(jìn)的粒子群算法進(jìn)行求解。文獻(xiàn)[9]建立了一種主動(dòng)配電網(wǎng)多目標(biāo)優(yōu)化調(diào)度模型,通過該調(diào)度策略提高了分布式電源的利用率,減少了網(wǎng)損。目前大部分針對(duì)主動(dòng)配電網(wǎng)的調(diào)度優(yōu)化研究均是從電網(wǎng)角度出發(fā)考慮網(wǎng)側(cè)的優(yōu)化運(yùn)行和收益最大化,鮮有文獻(xiàn)涉及獨(dú)立利益主體的自主調(diào)度優(yōu)化。

2015年國(guó)務(wù)院“電改”9號(hào)文提出:鼓勵(lì)專業(yè)化能源服務(wù)公司與用戶合作或以“合同能源管理”模式建設(shè)分布式電源[10]。目前全國(guó)已成立超過2 000家售電公司,這些提供新能源電力服務(wù)的供應(yīng)商在配電網(wǎng)中成了獨(dú)立的利益主體。

本文結(jié)合當(dāng)前的背景環(huán)境,研究獨(dú)立利益主體接入主動(dòng)配電網(wǎng)的調(diào)度優(yōu)化問題。首先定義了虛擬微網(wǎng)(VMG)的概念,并將其視為獨(dú)立利益主體接入電網(wǎng)的主要形式,然后針對(duì)虛擬微網(wǎng)的調(diào)度問題,提出了不同時(shí)間尺度下的調(diào)度優(yōu)化模型,日前調(diào)度主要以虛擬微網(wǎng)的經(jīng)濟(jì)收益最大為目標(biāo)函數(shù),實(shí)時(shí)調(diào)度則以虛擬微網(wǎng)內(nèi)的安全穩(wěn)定運(yùn)行為控制目標(biāo),在強(qiáng)調(diào)利益最大化的同時(shí)兼顧虛擬微網(wǎng)內(nèi)的安全性與穩(wěn)定性。最后,基于負(fù)荷預(yù)測(cè)和分布式電源出力預(yù)測(cè),結(jié)合改進(jìn)IEEE 33節(jié)點(diǎn)網(wǎng)架結(jié)構(gòu),利用微分進(jìn)化—細(xì)胞膜混合算法求解雙階段優(yōu)化調(diào)度模型,算例結(jié)果驗(yàn)證了模型的可行性和算法的有效性。

1 虛擬微網(wǎng)及其調(diào)度

1.1 虛擬微網(wǎng)

本文基于文獻(xiàn)[11]將虛擬微網(wǎng)定義為主動(dòng)配電網(wǎng)中不接受電網(wǎng)統(tǒng)一調(diào)度的區(qū)域,視為第三方利益主體,與采用傳統(tǒng)分層分區(qū)控制的微網(wǎng)不同,其強(qiáng)調(diào)獨(dú)立性、自主性和趨利性,對(duì)內(nèi)部的資源如分布式電源、儲(chǔ)能、負(fù)荷等擁有獨(dú)立的調(diào)度權(quán)利,傳統(tǒng)微網(wǎng)并不具有獨(dú)立的調(diào)度中心,而虛擬微網(wǎng)是傳統(tǒng)意義上微網(wǎng)的拓展和深化,虛擬微網(wǎng)具有獨(dú)立的通信系統(tǒng)與調(diào)控中心,收集本區(qū)域內(nèi)的分布電源與負(fù)荷信息,通過虛擬微網(wǎng)調(diào)控中心的優(yōu)化調(diào)度使自身獲利最大,獨(dú)立制定內(nèi)部資源的發(fā)用電計(jì)劃,所以針對(duì)虛擬微網(wǎng)的優(yōu)化調(diào)度具有明顯的實(shí)踐意義。

虛擬微網(wǎng)區(qū)域的劃分既包括已經(jīng)存在的微網(wǎng)、虛擬發(fā)電廠等,也包括由新型售電公司所管轄的配電區(qū)域,同時(shí)為了便于控制將含大量分布式電源的饋線或饋線群也稱為一個(gè)虛擬微網(wǎng),所以其區(qū)域和節(jié)點(diǎn)規(guī)模并不固定。新型售電公司所管轄的配電區(qū)域,與主動(dòng)配電網(wǎng)存在電量交易,擁有單獨(dú)的調(diào)控中心,以本區(qū)域的收益最大為目標(biāo),因此屬于虛擬微網(wǎng)的范疇;主動(dòng)配電網(wǎng)的部分饋線含有獨(dú)立的分布式電源,在該區(qū)域內(nèi)建設(shè)調(diào)控中心,負(fù)責(zé)本區(qū)域的調(diào)度計(jì)劃,因此也將此類歸電網(wǎng)所有并且擁有調(diào)控中心的區(qū)域稱為虛擬微網(wǎng)。

用戶自建的微網(wǎng)具有獨(dú)立的分布式電源,除向自身負(fù)荷供電外還與主動(dòng)配電網(wǎng)存在電量交易,以自身運(yùn)行成本最小為調(diào)度目標(biāo)控制本區(qū)域內(nèi)發(fā)用電,因此屬于虛擬微網(wǎng)的范疇;對(duì)于虛擬發(fā)電廠的劃分[12-13],廣義的虛擬發(fā)電廠是指不同類型分布式電源與負(fù)荷的集合體,擁有獨(dú)立的調(diào)度系統(tǒng),屬于虛擬微網(wǎng)的范疇;狹義的虛擬發(fā)電廠將不同類型的分布式電源進(jìn)行聚合,等效為具有統(tǒng)一調(diào)度模式的發(fā)電廠,因此屬于虛擬微網(wǎng)范疇。

目前多微網(wǎng)優(yōu)化控制技術(shù)多是從多代理系統(tǒng)、分層控制等角度去研究多微網(wǎng)系統(tǒng)之間的能量協(xié)調(diào)問題,從而保證多微網(wǎng)的穩(wěn)定運(yùn)行[14-16]。在本文中,虛擬微網(wǎng)則更強(qiáng)調(diào)獨(dú)立性和自主性,虛擬微網(wǎng)之間并不涉及能量的交換及其協(xié)調(diào)控制,其擁有獨(dú)立的調(diào)度單元,只與主網(wǎng)進(jìn)行能量交換。

1.2 主動(dòng)配電網(wǎng)調(diào)度平臺(tái)

虛擬微網(wǎng)作為內(nèi)部具有電源的獨(dú)立利益主體,在調(diào)度過程中強(qiáng)調(diào)自身的利益和穩(wěn)定運(yùn)行,所以虛擬微網(wǎng)的優(yōu)化調(diào)度目標(biāo)主要包括兩方面:虛擬微網(wǎng)運(yùn)行的經(jīng)濟(jì)性;虛擬微網(wǎng)運(yùn)行的安全穩(wěn)定。這兩點(diǎn)分別在日前調(diào)度和實(shí)時(shí)調(diào)度中體現(xiàn)。

聯(lián)合優(yōu)化調(diào)度平臺(tái)如圖1所示,主要包括主動(dòng)配電網(wǎng)調(diào)度平臺(tái)、虛擬微網(wǎng)調(diào)度中心和虛擬微網(wǎng),虛擬微網(wǎng)內(nèi)包含分布式電源、儲(chǔ)能、負(fù)荷等。信息層、功率層分別與虛擬微網(wǎng)進(jìn)行信息流和功率流的交換。日前調(diào)度中虛擬微網(wǎng)調(diào)度中心計(jì)算虛擬微網(wǎng)可調(diào)度容量或購(gòu)電量,再向主動(dòng)配電網(wǎng)調(diào)度平臺(tái)傳遞調(diào)度計(jì)劃信息(購(gòu)售電量),與主動(dòng)配電網(wǎng)調(diào)度平臺(tái)協(xié)商確認(rèn)該調(diào)度計(jì)劃后,虛擬微網(wǎng)調(diào)度中心對(duì)虛擬微網(wǎng)下達(dá)調(diào)度指令,最后虛擬微網(wǎng)與主動(dòng)配電網(wǎng)進(jìn)行功率交換。而實(shí)時(shí)調(diào)度則是根據(jù)實(shí)際情況實(shí)時(shí)修正分布式電源的出力值,以保持虛擬微網(wǎng)的安全穩(wěn)定運(yùn)行。

圖1 聯(lián)合優(yōu)化調(diào)度平臺(tái)Fig.1 Joint optimization dispatching platform

2 虛擬微網(wǎng)多時(shí)間尺度優(yōu)化調(diào)度模型

虛擬微網(wǎng)的優(yōu)化調(diào)度應(yīng)在確保自身穩(wěn)定運(yùn)行、對(duì)環(huán)境友好的前提下,再考慮自身經(jīng)濟(jì)效益最優(yōu),提高可再生能源利用率。本文在可再生分布式電源出力預(yù)測(cè)和負(fù)荷預(yù)測(cè)基礎(chǔ)之上,通過全局優(yōu)化和實(shí)時(shí)控制對(duì)虛擬微網(wǎng)內(nèi)分布式電源進(jìn)行優(yōu)化調(diào)度,實(shí)現(xiàn)經(jīng)濟(jì)安全穩(wěn)定運(yùn)行。

2.1 虛擬微網(wǎng)日前調(diào)度模型

虛擬微網(wǎng)日前調(diào)度模型主要考慮自身的經(jīng)濟(jì)收益,目標(biāo)函數(shù)主要包括虛擬微網(wǎng)向主網(wǎng)的購(gòu)售電費(fèi)用、向自身用戶售電收益、分布式電源運(yùn)行成本、環(huán)境成本及電壓控制目標(biāo)等。

1)目標(biāo)函數(shù)1:虛擬微網(wǎng)收益

虛擬微網(wǎng)的收益目標(biāo)函數(shù)主要包括與主網(wǎng)的購(gòu)售電費(fèi)用、自身用戶售電收益、不可控分布式電源的運(yùn)維成本、可控分布式電源(燃?xì)廨啓C(jī)等)的燃料成本和運(yùn)維費(fèi)用,以及儲(chǔ)能裝置的運(yùn)維成本,表達(dá)式如下:

maxF=CSN+CSM-CESS-CDG-CUDG

(1)

式中:CSN為虛擬微網(wǎng)向主網(wǎng)的購(gòu)售電費(fèi)用;CSM為虛擬微網(wǎng)向自身用戶的售電費(fèi)用;CESS為儲(chǔ)能裝置的運(yùn)維成本;CDG為可控分布式電源的發(fā)電成本及折舊費(fèi)用;CUDG為不可控分布式電源的運(yùn)維成本。

(2)

2)目標(biāo)函數(shù)2:環(huán)境成本

環(huán)境成本的目標(biāo)函數(shù)主要考慮可控分布式電源產(chǎn)生污染物的環(huán)境成本,可控分布式電源發(fā)電過程中會(huì)產(chǎn)生NOx,SO2,CO2等有害氣體,其環(huán)境成本如下:

(3)

式中:PDG,i為第i個(gè)可控分布式電源發(fā)出的功率;Ri,r為第i個(gè)分布式電源發(fā)出單位功率時(shí)產(chǎn)生的第r種廢氣量;L為廢氣種類數(shù),此處L=3,包含NOx,SO2,CO2三種氣體;Ar為第r種氣體造成的環(huán)境成本,詳細(xì)參數(shù)參考文獻(xiàn)[17],在此不再贅述。

3)電壓控制目標(biāo)

電壓控制以維持虛擬微網(wǎng)的穩(wěn)定運(yùn)行為主要目的,其表達(dá)式為:

(4)

考慮到目標(biāo)函數(shù)的特殊性,在本文中將其處理為一個(gè)約束條件,并通過潮流計(jì)算得到個(gè)節(jié)點(diǎn)電壓值,如下式所示:

fv≤εr

(5)

式中:fv≥0;εr為正實(shí)數(shù)。

該調(diào)度模型應(yīng)滿足的等式約束和不等式約束分別為:

(6)

(7)

(8)

(9)

式(5)為電壓控制目標(biāo)約束,式(6)為功率平衡約束,式(7)為主網(wǎng)功率、電壓約束,式(8)為分布式電源輸出功率約束,式(9)為儲(chǔ)能裝置約束。

將等式約束和不等式約束條件以罰函數(shù)的形式結(jié)合到目標(biāo)函數(shù)中,因此,總的目標(biāo)函數(shù)為:

maxZ=CSN+CSM-CESS-CDG-CUDG-

(10)

式中:M1和M2為罰因子,取較大值;g1為日前調(diào)度目標(biāo)函數(shù)的不等式約束條件;h1為等式約束條件。

2.2 虛擬微網(wǎng)實(shí)時(shí)調(diào)度模型

基于日前調(diào)度優(yōu)化結(jié)果,實(shí)時(shí)調(diào)度結(jié)合超短期負(fù)荷預(yù)測(cè),對(duì)虛擬微網(wǎng)內(nèi)可控分布式電源、儲(chǔ)能功率實(shí)時(shí)修正,以應(yīng)對(duì)虛擬微網(wǎng)內(nèi)短時(shí)間的負(fù)荷波動(dòng)及間歇式能源出力波動(dòng)問題,協(xié)調(diào)實(shí)際運(yùn)行時(shí)負(fù)荷及分布式電源出力值與日前調(diào)度目標(biāo)值之間的差距,增強(qiáng)虛擬微網(wǎng)的魯棒性,從而保證虛擬微網(wǎng)的安全穩(wěn)定運(yùn)行。目標(biāo)函數(shù)由虛擬微網(wǎng)與主網(wǎng)交換功率相對(duì)變化率、并網(wǎng)點(diǎn)電壓相對(duì)變化率、虛擬微網(wǎng)向用戶售電量相對(duì)變化率及收益相對(duì)變化率四部分組成,表達(dá)式如下:

(11)

(12)

求解實(shí)時(shí)調(diào)度模型應(yīng)滿足下列等式約束條件:

(13)

不等式約束參照式(7)至式(9)。與日前調(diào)度目標(biāo)函數(shù)類似,以罰函數(shù)形式將不等式約束條件結(jié)合到目標(biāo)函數(shù)中,在此不再贅述。

3 微分進(jìn)化—細(xì)胞膜算法

細(xì)胞膜算法具有較好的全局尋優(yōu)能力,但對(duì)全局最優(yōu)解的追逐能力較弱,初值選取不佳容易陷入局部最優(yōu),容易早熟[19]。

本文將微分進(jìn)化[20]的思想與細(xì)胞膜算法結(jié)合,形成新的微分進(jìn)化—細(xì)胞膜混合算法。在每次迭代開始之前,對(duì)第g代物質(zhì)進(jìn)行變異交叉操作,利用貪婪政策,按照適應(yīng)度函數(shù)值進(jìn)行物質(zhì)的選取,然后按照細(xì)胞膜算法的原則把物質(zhì)分為高濃度物質(zhì)和低濃度物質(zhì),采用不同的方式進(jìn)行全局搜索。通過交叉變異操作,增加了算法的收斂速度和對(duì)全局最優(yōu)解的追逐能力,不同物質(zhì)不同的運(yùn)動(dòng)方式保證了搜索的多樣性,避免陷入局部最優(yōu)。具體變異交叉操作如下。

1)假設(shè)初始化物質(zhì)群中有M個(gè)K維的物質(zhì),每個(gè)物質(zhì)通過差分操作實(shí)現(xiàn)變異,在物質(zhì)群中隨機(jī)選取不同的兩個(gè)物質(zhì),將其向量操作后與待變異個(gè)體進(jìn)行合并生成中間體,如下式所示:

vi(g+1)=xr1(g)+F1(xr2(g)-xr3(g))

(14)

式中:i≠r1≠r2≠r3;F1∈[0,2]為縮放因子;xr1(g),xr2(g),xr3(g)分別為第g代種群的第r1,r2,r3個(gè)物質(zhì);vi(g+1)為變異產(chǎn)生的第g+1代種群的第i個(gè)變異物質(zhì)。

在變異過程中必須保證生成的變異個(gè)體符合目標(biāo)函數(shù)的邊界條件,否則重新生成變異個(gè)體。

2)對(duì)物質(zhì)的每個(gè)維度進(jìn)行交叉操作:

(15)

3)利用貪婪策略選取最優(yōu)物質(zhì)進(jìn)入下一次迭代,以求解目標(biāo)函數(shù)最小值為例:

xi(g+1)=

(16)

式中:ui(g+1)為交叉產(chǎn)生的第g+1代種群的第i個(gè)交叉物質(zhì)。

在交叉變異操作之后,按照細(xì)胞膜算法原則將其分為高濃度和低濃度物質(zhì),然后按照不同的運(yùn)動(dòng)方式尋優(yōu),流程參見附錄A圖A1。

4 算例分析

虛擬微網(wǎng)雙階段調(diào)度模型的求解本質(zhì)上為求解非線性規(guī)劃問題,考慮各時(shí)間段之間的相互影響,更符合系統(tǒng)的運(yùn)行要求,日前調(diào)度模型為經(jīng)濟(jì)調(diào)度優(yōu)化模型,屬于具有約束的動(dòng)態(tài)系統(tǒng)調(diào)度范疇[21];實(shí)時(shí)調(diào)度能反映出當(dāng)前虛擬微網(wǎng)的實(shí)際運(yùn)行狀態(tài)與日前調(diào)度優(yōu)化調(diào)度目標(biāo)之間的差距,根據(jù)實(shí)際運(yùn)行情況進(jìn)行合理的修正,以符合虛擬微網(wǎng)安全穩(wěn)定運(yùn)行要求。

4.1 算例數(shù)據(jù)

本文算例采用MATLAB編程,日前調(diào)度周期間隔為1 h,即H=24,實(shí)時(shí)調(diào)度周期間隔為15 min,即H1=96,利用改進(jìn)IEEE 33節(jié)點(diǎn)網(wǎng)架結(jié)構(gòu)改為含有4根饋線的配電區(qū)域,其結(jié)構(gòu)參見附錄A圖A2,接入的4個(gè)虛擬微網(wǎng)(VMG1至VMG4)分別代表了虛擬微網(wǎng)的不同種類。在每個(gè)虛擬微網(wǎng)中依據(jù)負(fù)荷大小配置了數(shù)量相當(dāng)?shù)姆植际诫娫醇皟?chǔ)能裝置,網(wǎng)架支路參數(shù)、虛擬微網(wǎng)分布式電源類型和容量詳見附錄A表A1至表A5,算法參數(shù)設(shè)定參見附錄A表A6,虛擬微網(wǎng)各節(jié)點(diǎn)負(fù)荷參見附錄B。

主網(wǎng)與虛擬微網(wǎng)之間的購(gòu)售電價(jià)格參見附錄A圖A3。日前調(diào)度各虛擬微網(wǎng)的負(fù)荷預(yù)測(cè)值及典型風(fēng)機(jī)光伏疊加的出力預(yù)測(cè)值參見附錄A圖A4和圖A5。

4.2 日前調(diào)度結(jié)果及分析

圖2為日前調(diào)度模型優(yōu)化得出虛擬微網(wǎng)與主網(wǎng)的交換功率值,其受電價(jià)、負(fù)荷以及分布式電源出力的多方面影響。

圖2 虛擬微網(wǎng)與主網(wǎng)交換功率值Fig.2 Exchanged power between VMG and major network

以VMG1為例進(jìn)行分析,在時(shí)段1至6,VMG1雖然負(fù)荷、電價(jià)呈現(xiàn)下降趨勢(shì),但負(fù)荷依然較大,此時(shí)風(fēng)機(jī)、光伏等不可控分布式電源出力較小,所以此時(shí)需要向電網(wǎng)購(gòu)電;在時(shí)段7至12,VMG1中負(fù)荷、電價(jià)及分布式電源出力呈現(xiàn)逐漸上升趨勢(shì),因虛擬微網(wǎng)向自身用戶售電價(jià)大于向主網(wǎng)售電價(jià),故其向主網(wǎng)的售電量呈曲折變化趨勢(shì);在時(shí)段13至18,VGM1自身負(fù)荷變化較平穩(wěn),隨著電價(jià)、不可控分布式電源出力的逐步下降,其向主網(wǎng)的售電量逐步減小;在時(shí)段18至24,負(fù)荷呈現(xiàn)先增長(zhǎng)后下降的趨勢(shì),此時(shí)不可控分布式電源出力較小,且可控分布式電源發(fā)電成本較高,所以在時(shí)段18至20出現(xiàn)向主網(wǎng)購(gòu)電小高峰,隨著負(fù)荷的逐漸減小,購(gòu)電量逐漸減小。

表1比較了虛擬微網(wǎng)獨(dú)立調(diào)度與作為傳統(tǒng)微網(wǎng)接受電網(wǎng)統(tǒng)一調(diào)度在一個(gè)周期內(nèi)的經(jīng)濟(jì)收益和的新能源利用率(定義為一個(gè)調(diào)度周期內(nèi)新能源發(fā)電量與總負(fù)荷的比例)。相比參與電網(wǎng)統(tǒng)一調(diào)度,通過日前調(diào)度,4個(gè)虛擬微網(wǎng)的經(jīng)濟(jì)收益分別增加了979.3元、888.4元、1 138.4元、812.1元。參與日前調(diào)度以后,各虛擬微網(wǎng)新能源利用率分別提高了12.1%,10.9%,8.9%,7.5%。

表1 不同調(diào)度方式下各虛擬微網(wǎng)指標(biāo)值Table 1 Index value of VMG under different modes

綜上所述,與電網(wǎng)統(tǒng)一調(diào)度相比,虛擬微網(wǎng)參與日前調(diào)度不僅可以大大增加自身經(jīng)濟(jì)收益,還能顯著提高新能源利用率,減少環(huán)境污染。

4.3 實(shí)時(shí)調(diào)度結(jié)果及分析

圖3為實(shí)時(shí)調(diào)度優(yōu)化結(jié)果,其中交換功率相對(duì)變化率、負(fù)荷相對(duì)變化率、經(jīng)濟(jì)收益相對(duì)變化率分別對(duì)應(yīng)實(shí)時(shí)調(diào)度目標(biāo)函數(shù)中第1,2,4項(xiàng)。目標(biāo)函數(shù)第3項(xiàng)為電壓相對(duì)變化率,在表2中以電壓的形式展現(xiàn)。由于可再生能源出力、負(fù)荷的預(yù)測(cè)值與實(shí)際運(yùn)行值之間存在差異,且分布式電源和燃?xì)廨啓C(jī)的發(fā)電成本較高,虛擬微網(wǎng)在保持最大利益的同時(shí)需要在小范圍內(nèi)不斷調(diào)整自身與主網(wǎng)的交換功率,由于每個(gè)時(shí)段的累積作用,所以虛擬微網(wǎng)與主網(wǎng)交換功率的相對(duì)變化率較大,負(fù)荷相對(duì)變化率則與負(fù)荷預(yù)測(cè)的準(zhǔn)確性相關(guān),經(jīng)濟(jì)收益變化率小于0是由于目標(biāo)函數(shù)的趨利性。

圖3 實(shí)時(shí)調(diào)度各虛擬微網(wǎng)各項(xiàng)指標(biāo)值Fig.3 Index value of each VMG in real-time dispatch

表2 不同調(diào)度方式下各虛擬微網(wǎng)的指標(biāo)值Table 2 Index value of each VMG in different dispatch modes

表2對(duì)比了不同調(diào)度方式下的虛擬微網(wǎng)各項(xiàng)指標(biāo)值,經(jīng)過實(shí)時(shí)調(diào)度對(duì)分布式電源功率進(jìn)行修正之后,直接經(jīng)濟(jì)收益分別提高了3.51%,3.55%,2.61%,3.75%,新能源利用率分別提高了1.8%,1.7%,1.9%,3.6%,各虛擬微網(wǎng)的網(wǎng)損值分別下降了1.9,1.7,0.9,1.4 kW,并網(wǎng)點(diǎn)電壓也有了不同程度的提高。

為了充分分析實(shí)時(shí)調(diào)度優(yōu)化結(jié)果,本文參考文獻(xiàn)[9],選取負(fù)荷及分布式電源出力較大的時(shí)段12進(jìn)行分析討論,如表3所示。由于實(shí)際運(yùn)行與預(yù)測(cè)值有所差異,所以兩種調(diào)度方式中風(fēng)機(jī)、光伏出力及負(fù)荷值存在誤差。為了應(yīng)對(duì)負(fù)荷及間歇式電源的短時(shí)變化,實(shí)時(shí)調(diào)度調(diào)整柴油機(jī)、燃?xì)廨啓C(jī)、儲(chǔ)能出力,因分布式電源發(fā)電成本比燃?xì)廨啓C(jī)高,故與日前調(diào)度相比,在實(shí)時(shí)調(diào)度中減少了分布式電源的出力,增加了燃?xì)廨啓C(jī)所發(fā)功率,同時(shí)結(jié)合當(dāng)前儲(chǔ)能系統(tǒng)荷電狀態(tài),對(duì)當(dāng)前時(shí)段儲(chǔ)能設(shè)備出力進(jìn)行修正,提高了儲(chǔ)能系統(tǒng)的有效利用率,增加了向主網(wǎng)的售電量,進(jìn)一步提高了虛擬微網(wǎng)的經(jīng)濟(jì)收益。

表3 時(shí)段12各虛擬微網(wǎng)在不同調(diào)度模式下的分布式電源出力及負(fù)荷量Table 3 Distributed generator output and load of each VMG at period 12 in different dispatch modes

綜上所述,虛擬微網(wǎng)通過日前調(diào)度優(yōu)化次日的調(diào)度計(jì)劃,實(shí)時(shí)調(diào)度在日前調(diào)度的基礎(chǔ)上,對(duì)可控分布式電源的出力進(jìn)行實(shí)時(shí)調(diào)整,進(jìn)一步增加了新能源利用率和自身經(jīng)濟(jì)收益,減少了網(wǎng)損。

4.4 算法有效性分析

為了驗(yàn)證本文算法有效性,本文將微分進(jìn)化—細(xì)胞膜算法、改進(jìn)微分進(jìn)化算法、細(xì)胞膜算法、改進(jìn)粒子群算法進(jìn)行對(duì)比分析。相關(guān)參數(shù)及結(jié)果見附錄A圖A6。分析可得,微分進(jìn)化—細(xì)胞膜算法將改進(jìn)微分進(jìn)化算法和細(xì)胞膜算法相結(jié)合,顯著提高了收斂的速度和最優(yōu)解的搜索能力。IEEE 33節(jié)點(diǎn)配電系統(tǒng)和美國(guó)PG&E 69節(jié)點(diǎn)配電系統(tǒng)的詳細(xì)參數(shù)及在不同算法下的計(jì)算結(jié)果對(duì)比見附錄C。隨著節(jié)點(diǎn)數(shù)的增長(zhǎng),微分進(jìn)化—細(xì)胞膜算法在日前調(diào)度及實(shí)時(shí)調(diào)度模型的求解中迭代次數(shù)依然最少,證明微分進(jìn)化—細(xì)胞膜混合算法在節(jié)點(diǎn)規(guī)模變大后能快速收斂,全局搜索能力強(qiáng)。驗(yàn)證了微分進(jìn)化—細(xì)胞膜混合算法在求解此類問題時(shí)的有效性。

5 結(jié)論

本文針對(duì)獨(dú)立利益主體接入主動(dòng)配電網(wǎng)的調(diào)度問題,建立了虛擬微網(wǎng)的概念,提出了不同時(shí)間尺度下虛擬微網(wǎng)的調(diào)度模型,算例求解得到如下結(jié)論。

1)與電網(wǎng)統(tǒng)一調(diào)度相比,在日前調(diào)度中,虛擬微網(wǎng)接入主動(dòng)配電網(wǎng)后,通過調(diào)度優(yōu)化提高自身經(jīng)濟(jì)收益,提高新能源利用率,增強(qiáng)消納間歇分布式電源的能力,減少環(huán)境污染。

2)與日前調(diào)度相比,在實(shí)時(shí)調(diào)度中,通過對(duì)可控分布式電源出力的調(diào)整,及時(shí)應(yīng)對(duì)因負(fù)荷波動(dòng)、分布式電源出力波動(dòng)而可能引起的穩(wěn)定性問題,減少了虛擬微網(wǎng)線路損耗,進(jìn)一步提高了自身的經(jīng)濟(jì)收益。

3)在本文中通過引入微分進(jìn)化算法對(duì)細(xì)胞膜算法進(jìn)行改進(jìn),提高了細(xì)胞膜算法的收斂能力和尋優(yōu)能力,通過對(duì)比不同優(yōu)化算法和節(jié)點(diǎn)規(guī)模變大后求解調(diào)度模型收斂性能,驗(yàn)證了微分進(jìn)化—細(xì)胞膜算法在求解此類問題的有效性和可行性。

本文主要針對(duì)虛擬微網(wǎng)的角度進(jìn)行獨(dú)立調(diào)度優(yōu)化,未考慮配電網(wǎng)層面的優(yōu)化調(diào)度及風(fēng)光出力的不確定性,下一步將針對(duì)虛擬微網(wǎng)與主動(dòng)配電網(wǎng)之間的聯(lián)合優(yōu)化調(diào)度進(jìn)行進(jìn)一步的研究。

本論文得到國(guó)網(wǎng)內(nèi)蒙古東部電力有限公司“分布式新能源與配網(wǎng)協(xié)同發(fā)展體系建設(shè)及規(guī)劃技術(shù)研究”項(xiàng)目支持,在此表示感謝。

附錄見本刊網(wǎng)絡(luò)版(http://www.aeps-info.com/aeps/ch/index.aspx)。

[1] 范明天,張祖平,蘇傲雪,等.主動(dòng)配電系統(tǒng)可行技術(shù)的研究[J].中國(guó)電機(jī)工程學(xué)報(bào),2013,33(22):12-18.

FAN Mingtian, ZHANG Zuping, SU Aoxue, et al. Enabling technologies for active distribution systems[J]. Proceedings of the CSEE, 2013, 33(22): 12-18.

[2] KAABI S S A, ZEINELDIN H H, KHADKIKAR V. Planning active distribution networks considering multi-DG configurations[J]. IEEE Trans on Power Systems, 2014, 29(2): 785-793.

[3] 趙波,王財(cái)勝,周金輝,等.主動(dòng)配電網(wǎng)現(xiàn)狀與未來發(fā)展[J].電力系統(tǒng)自動(dòng)化,2014,38(18):125-135.DOI:10.7500/AEPS20131218007.

ZHAO Bo, WANG Caisheng, ZHOU Jinhui, et al. Present and future development trend of active distribution network[J]. Automation of Electric Power Systems, 2014, 38(18): 125-135. DOI: 10.7500/AEPS20131218007.

[4] 尤毅,劉東,鐘清,等.主動(dòng)配電網(wǎng)優(yōu)化調(diào)度策略研究[J].電力系統(tǒng)自動(dòng)化,2014,38(9):177-183.DOI:10.7500/AEPS20130804001.

YOU Yi, LIU Dong, ZHONG Qing, et al. Research on optimal schedule strategy for active distribution network[J]. Automation of Electric Power Systems, 2014, 38(9): 177-183. DOI: 10.7500/AEPS20130804001.

[5] SAJJAD G, SAEED A, FARROKH A. Smart distribution grid: optimal day-ahead scheduling with reconfigurable topology[J]. IEEE Trans on Smart Grid, 2014, 5(5): 2402-2411.

[6] 曾鳴,彭麗霖,王麗華,等.主動(dòng)配電網(wǎng)下分布式能源系統(tǒng)雙層雙階段調(diào)度優(yōu)化模型[J].電力系統(tǒng)自動(dòng)化設(shè)備,2016,36(6):108-115.

ZENG Ming, PENG Lilin, WANG Lihua, et al. Two-stage dual-level dispatch optimization model of distributed energy system in active distribution network[J]. Electric Power Automation Equipment, 2016, 36(6): 108-115.

[7] ALBERTO B, MAURO B, SAMUELE G, et al. Short-term scheduling and control of active distribution systems with high penetration of renewable resources[J]. IEEE System Journal, 2010, 4(3): 313-322.

[8] 高亞靜,李瑞環(huán),梁海峰,等.考慮間歇性電源與負(fù)荷不確定性情況下基于多場(chǎng)景技術(shù)的主動(dòng)配電系統(tǒng)兩步優(yōu)化調(diào)度[J].中國(guó)電機(jī)工程學(xué)報(bào),2015,35(7):1657-1665.

GAO Yajing, LI Ruihuan, LIANG Haifeng, et al. Two step optimal dispatch based on multiple scenarios technique considering uncertainties of intermittent distributed generations and loads in the active distribution system[J]. Proceedings of the CSEE, 2015, 35(7): 1657-1665.

[9] 沙熠,邱曉燕,寧雪蛟,等.協(xié)調(diào)儲(chǔ)能與柔性負(fù)荷的主動(dòng)配電網(wǎng)多目標(biāo)優(yōu)化調(diào)度[J].電網(wǎng)技術(shù),2016,40(5):1394-1399.

SHA Yi, QIU Xiaoyan, NING Xuejiao, et al. Multi-objective optimization of active distribution network by coordinating energy storage system and flexible load[J]. Power System Technology, 2016, 40(5): 1394-1399.

[10] 關(guān)于進(jìn)一步深化電力體制改革的若干意見(中發(fā)〔2015〕9號(hào)文)[EB/OL].[2015-03-15].http://news.ncepu.edu.cn/xxyd/llxx/52826.htm.

[11] LIN F, POLIS M P, WANG C S, et al. Hierarchical control and management of virtual microgrids for vehicle electrification[C]// IEEE Transportation Electrification Conference and Expo, June 18-20, 2012, Dearborn, USA: 6p.

[12] YANG H, YI D, ZHAO J, et al. Distributed optimal dispatch of virtual power plant based on Elm transformation[J]. Management, 2014, 10(4): 1297-1318.

[13] 劉吉臻,李明揚(yáng),房方,等.虛擬發(fā)電廠研究綜述[J].中國(guó)電機(jī)工程學(xué)報(bào),2014,34(29):5103-5111.

LIU Jizhen, LI Mingyang, FANG Fang, et al. Review on virtual power plants[J]. Proceedings of the CSEE, 2014, 34(29): 5103-5111.

[14] 丁明,馬凱,畢銳.基于多代理系統(tǒng)的多微網(wǎng)能量協(xié)調(diào)控制[J].電力系統(tǒng)保護(hù)與控制,2013,41(24):1-8.

DING Ming, MA Kai, BI Rui. Energy coordination control of multi-microgrid based on multi-agent system[J]. Power System Protection and Control, 2013, 41(24): 1-8.

[15] 周永智,吳浩,李怡寧,等.基于MCS-PSO算法的鄰近海島多微網(wǎng)動(dòng)態(tài)調(diào)度[J].電力系統(tǒng)自動(dòng)化,2014,38(9):204-210.DOI:10.7500/AEPS20131211005.

ZHOU Yongzhi, WU Hao, LI Yining, et al. Dynamic dispatch of multi-microgrid for neighboring islands based on MCS-PSO algorithm[J]. Automation of Electric Power Systems, 2014, 38(9): 204-210. DOI: 10.7500/AEPS20131211005.

[16] 周念成,金明,王強(qiáng)鋼,等.串聯(lián)和并聯(lián)結(jié)構(gòu)的多微網(wǎng)系統(tǒng)分層協(xié)調(diào)控制策略[J].電力系統(tǒng)自動(dòng)化,2013,37(12):13-18.

ZHOU Niancheng, JIN Ming, WANG Qianggang, et al. Hierarchical coordination control strategy for multi-microgrid system with series and parallel structure[J]. Automation of Electric Power Systems, 2013, 37(12): 13-18.

[17] MORGANTOWN W. Emission rates for new DG technologies: the regulatory assistance project[EB/OL]. [2016-12-05]. http://www.Raponline.org/ProjDocs/DREmsRul/Collfile/DGEmissionsMay2001.pdf.

[18] 崔屹平.集中小水電主動(dòng)配電網(wǎng)能量管理研究[D].北京:華北電力大學(xué),2014.

[19] 譚世恒.一種新型的群智能優(yōu)化算法:細(xì)胞膜優(yōu)化算法及其應(yīng)用[D].廣州:華南理工大學(xué),2011.

[20] 董明剛.基于差分進(jìn)化的優(yōu)化算法及應(yīng)用研究[D].杭州:浙江大學(xué),2012.

[21] 黃偉,黃婷,周歡,等.基于改進(jìn)微分進(jìn)化算法的微電網(wǎng)動(dòng)態(tài)經(jīng)濟(jì)優(yōu)化調(diào)度[J].電力系統(tǒng)自動(dòng)化,2014,38(9):211-217.DOI:10.7500/AEPS20130520003.

HUANG Wei, HUANG Ting, ZHOU Huan, et al. Dynamic economical dispatch for microgrid based on improved differential evolution algorithm[J]. Automation of Electric Power Systems, 2014, 38(9): 211-217. DOI: 10.7500/AEPS20130520003.

Multi-time Scale Optimization Scheduling Strategy for Virtual Microgrid

HUANGWei,XIONGWeipeng,YANBinyu,LIULifu,LIUZifa

(School of Electrical and Electric Engineering, North China Electric Power University, Beijing 102206, China)

With the reform of power-sold side, third parties which provide service of new energy power generation has become new independent stake-holder. Based on the concept of virtual microgrid, the scheduling problem of new independent stake-holders which access in the active distribution network in the form of virtual microgrid is focused, and then multi-time scale optimization scheduling model for virtual microgrid is constructed with its solving algorithm. Day-ahead scheduling model and real-time scheduling model is included in optimization scheduling. Day-ahead scheduling model aims at maximizing the interest of virtual microgrid, while real-time scheduling model takes safe and stable operation of virtual microgrid as the optimization goal. Finally, based on the load and distribution generation output forecasts, as well as the transformed IEEE 33-bus network, this paper utilizes the differential evolution-cell membrane hybrid algorithm to solve multi-time scale scheduling model, and the case studies show that: through optimization scheduling, it can not only decease the net losses of virtual microgrid, but also promote the benefits of visual microgrid and the utilization of renewable energy.

This work is supported by National Natural Science Foundation of China (No. 51577058).

virtual microgrid; active distribution network; independent stake-holders; optimization scheduling

2017-04-09;

2017-06-09。

上網(wǎng)日期: 2017-07-25。

國(guó)家自然科學(xué)基金資助項(xiàng)目(51577058)。

黃 偉(1962—),男,博士,教授,主要研究方向:主動(dòng)配電網(wǎng)調(diào)度與控制、智能電網(wǎng)與新能源利用技術(shù)。E-mail： huangwei@ncepu.edu.cn

熊偉鵬(1994—),男,通信作者,碩士研究生,主要研究方向:主動(dòng)配電網(wǎng)調(diào)度與控制。E-mail: hdu_xwp@163.com

閆彬禹(1992—),女,碩士研究生,主要研究方向:主動(dòng)配電網(wǎng)需求側(cè)管理。E-mail: 1106001224@qq.com

(編輯 萬志超)